CommunityPesquisa e Análise de Dadosgithub.com

web-infra-dev/automação-de-navegador

Automação de navegador orientada por visão usando Midscene. Opera a partir de capturas de tela — sem necessidade de DOM ou rótulos de acessibilidade. Executa em Puppeteer headless — NÃO assume o controle do mouse ou teclado do usuário. Também suporta modo CDP e modo Bridge para conectar a um Chrome existente. Use esta skill quando o usuário quiser: - Navegar, acessar ou abrir páginas web - Raspar, extrair ou coletar dados de sites - Preencher formulários, clicar em botões ou interagir com elementos web - Verificar, validar, testar ou fazer QA do comportamento de UI frontend - Capturar screenshots de páginas web - Automatizar fluxos de trabalho web com várias etapas - Testar o que acabou de ser construído, ver se funciona no navegador - Conectar ao Chrome via CDP, Protocolo DevTools ou depuração remota - Conectar ao navegador Chrome do usuário, controlar meu navegador, operar meu Chrome. Desenvolvido por Midscene.js (https://midscenejs.com)

O que é automação-de-navegador?

Esta skill permite automatizar navegadores por meio de visão computacional, usando Midscene.js. Diferente de ferramentas tradicionais que dependem de seletores DOM ou atributos de acessibilidade, ela opera diretamente a partir de capturas de tela (screenshots). O navegador roda em modo headless com Puppeteer, sem interferir no mouse ou teclado do usuário. Além disso, suporta modo CDP e Bridge para se conectar a uma instância Chrome já em execução. É útil para desenvolvedores e testadores que precisam navegar, raspar dados, preencher formulários, capturar screenshots, testar comportamentos de UI ou validar fluxos web complexos, sem depender de marcadores específicos do DOM.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/web-infra-dev/midscene-skills/tree/main/skills/browser-automation

Installed? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

O que automação-de-navegador faz?

Automação de navegador orientada por visão usando Midscene. Opera a partir de capturas de tela — sem necessidade de DOM ou rótulos de acessibilidade. Executa em Puppeteer headless — NÃO assume o controle do mouse ou teclado do usuário. Também suporta modo CDP e modo Bridge para conectar a um Chrome existente. Use esta skill quando o usuário quiser:

  • Navegar, acessar ou abrir páginas web
  • Raspar, extrair ou coletar dados de sites
  • Preencher formulários, clicar em botões ou interagir com elementos web
  • Verificar, validar, testar ou fazer QA do comportamento de UI frontend
  • Capturar screenshots de páginas web
  • Automatizar fluxos de trabalho web com várias etapas
  • Testar o que acabou de ser construído, ver se funciona no navegador
  • Conectar ao Chrome via CDP, Protocolo DevTools ou depuração remota
  • Conectar ao navegador Chrome do usuário, controlar meu navegador, operar meu Chrome

Desenvolvido por Midscene.js (https://midscenejs.com)

Individual skills in this repo

This repo contains 5 individual skills — each has its own dedicated page.

web-infra-dev/android-device-automation

Vision-driven Android device automation using Midscene. Operates entirely from screenshots — no DOM or accessibility labels required. Can interact with all visible elements on screen regardless of technology stack. Control Android devices with natural language commands via ADB. Perform taps, swipes, text input, app launches, screenshots, and more. Trigger keywords: android, phone, mobile app, tap, swipe, install app, open app on phone, android device, mobile automation, adb, launch app, mobile screen, test android app, verify mobile app, QA on phone, check the app on android, test on device, see if the app works on phone, end-to-end test on android, visual verification on mobile Powered by Midscene.js (https://midscenejs.com)

web-infra-dev/desktop-computer-automation

Vision-driven desktop automation using Midscene. Control your local desktop (macOS, Windows, Linux) or a remote Windows desktop over RDP with natural language commands. Operates entirely from screenshots — no DOM or accessibility labels required. Can interact with all visible elements on screen regardless of technology stack. ⚠️ In local mode this takes over the user's real mouse and keyboard. For web apps, prefer "Browser Automation" instead. Only use this for desktop-native apps (Electron, Qt, native macOS/Windows/Linux) that cannot run in a browser, or for driving a remote Windows host via RDP. Triggers: open app, press key, desktop, computer, click on screen, type text, screenshot desktop, launch application, switch window, desktop automation, control computer, mouse click, keyboard shortcut, screen capture, find on screen, read screen, verify window, close app, test Electron app, rdp, remote desktop, windows server, connect via rdp Powered by Midscene.js (https://midscenejs.com)

web-infra-dev/harmonyos-device-automation

Vision-driven HarmonyOS NEXT device automation using Midscene. Operates entirely from screenshots — no DOM or accessibility labels required. Can interact with all visible elements on screen regardless of technology stack. Control HarmonyOS devices with natural language commands via HDC. Perform taps, swipes, text input, app launches, screenshots, and more. Trigger keywords: harmony, harmonyos, 鸿蒙, hdc, huawei device, harmony app, harmony automation, harmony phone, harmony tablet, test harmony app, verify on harmonyos, QA on 鸿蒙, check the app on harmony, test on huawei device, see if the app works on harmony, end-to-end test on harmonyos, visual verification on 鸿蒙 Powered by Midscene.js (https://midscenejs.com)

web-infra-dev/ios-device-automation

Vision-driven iOS device automation using Midscene CLI. Operates entirely from screenshots — no DOM or accessibility labels required. Can interact with all visible elements on screen regardless of technology stack. Control iOS devices with natural language commands via WebDriverAgent. Triggers: ios, iphone, ipad, ios app, tap on iphone, swipe, mobile app ios, ios device, ios testing, iphone automation, ipad automation, ios screen, ios navigate, test ios app, verify on iphone, QA on ipad, check the app on ios, test on ios device, see if the app works on iphone, end-to-end test on ios, visual verification on ios Powered by Midscene.js (https://midscenejs.com)

web-infra-dev/vitest-midscene-e2e

Enhances Vitest with Midscene for AI-powered UI testing across Web (Playwright), Android (ADB), and iOS (WDA). Scaffolds new projects, converts existing projects, and creates/updates/debugs/runs E2E tests using natural-language UI interactions. Triggers: write test, add test, create test, update test, fix test, debug test, run test, e2e test, midscene test, new project, convert project, init project, 写测试, 加测试, 创建测试, 更新测试, 修复测试, 调试测试, 运行测试, 新建工程, 转化工程.

Habilidades Relacionadas